Pandas DataFrame入门教程（图解版）

Pandas是一个强大的Python数据分析库，而DataFrame是Pandas的核心数据结构。DataFrame既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等。
一、创建空的DataFrame对象
使用下列方式创建一个空的DataFrame，这是DataFrame最基本的创建方法：

import pandas as pd
df = pd.DataFrame()
print(df)

输出结果如下：

Empty DataFrame
Columns: []
Index: []

二、使用列表创建DataFrame对象
可以使用单一列表或嵌套列表来创建一个DataFrame。例如：

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)
print(df)

输出结果如下：

name  age gender
0   Alice   25       F
1     Bob   30       M
2  Charlie   35       M

在上述代码中，我们首先定义了一个字典data，其中包含了三个键值对，分别表示姓名、年龄和性别。然后，我们将这个字典传递给pd.DataFrame()函数，创建了一个新的DataFrame对象。最后，我们打印出这个DataFrame，可以看到它包含了三列数据，分别是姓名、年龄和性别。每列数据的标签就是我们字典中的键。
三、DataFrame的基本操作

1. 读取数据：可以使用Pandas提供的read_csv()函数从CSV文件中读取数据到DataFrame对象中。例如：

   import pandas as pd
   df = pd.read_csv('data.csv')
   print(df)

2. 修改数据：可以通过直接赋值或者使用Pandas提供的函数来修改DataFrame中的数据。例如：
   python df['age'][0] = 26 # 将第一行的年龄改为26 df['gender'].iloc[0] = 'M' # 将第一行的性别改为男 df['score'] = [85, 90, 95] # 添加一列分数，并赋值为85、90、95 df['new_column'] = df['age'] * 2 # 添加一列新列，值为年龄的两倍（这里假设年龄列存在） df.loc[1, 'score'] = 92 # 修改第二行的分数为92 df.loc[2, 'new_column'] = df.loc[2, 'age'] * 3 # 修改第三行的新列为年龄的三倍（这里假设年龄列存在）python
3. 删除数据：可以使用Pandas提供的drop()函数删除DataFrame中的行或列。例如：

   df = df.drop(columns=['age'])  # 删除名为'age'的列
   df = df.drop(index=[0])  # 删除第一行
   df = df.drop(index=[0, 1])  # 删除第一行和第二行

4. 分组与聚合：可以使用Pandas提供的groupby()函数对数据进行分组和聚合。例如：

   grouped = df.groupby('gender')  # 按性别分组
   mean_age = grouped['age'].mean()  # 计算每个性别的平均年龄

5. 数据排序：可以使用Pandas提供的sort_values()函数对数据进行排序。例如：

   sorted_df = df.sort_values(by='age')  # 按年龄升序排序
   sorted_df = df.sort_values(by='age', ascending=False)  # 按年龄降序排序

6. 数据筛选：可以使用Pandas提供的loc[]和iloc[]函数对数据进行筛选。例如：
   ```python
   selected_df = df.loc[df[‘age